为了实现在低剂量、低分辨率CT扫描影像中对肺腺癌组织学亚型的分类鉴别，提出一种基于DenseNet的深度学习方法，从混合性磨玻璃结节（mGGNs）5 mm层厚的低分辨率CT影像中预测IAC和MIA病理分类. 从丽水市中心医院105例患者的105个5 mm层厚低分辨率CT图像中选取样本，划分训练集和测试集后，对训练集进行数据扩展，构建深度学习2D和3D DenseNet模型，分类鉴别IAC和MIA. 2D DenseNet模型的分类准确度为76.67%，敏感性为63.33%，特异性为90.00%，受试者工作特征曲线下的区域面积为0.888 9，显著优于3D DenseNet模型和其他几种深度学习网络模型. 深度学习技术，尤其是2D DenseNet模型，可辅助并指导医生在肺癌CT筛查中对患者的肺腺癌组织学亚型进行预判，特别是在图像分辨率较低的情况下，仍能够快速提供较为准确的诊断.

车辆在执行换道行为时，由于受到较多环境因素影响，难以准确进行换道识别和预测. 为解决这一问题，提出一种基于梯度提升决策树（GBDT）进行特征变换的融合换道决策模型，以仿真驾驶员在高速公路上自由换道时的决策行为. 采用主体车辆与目标车道后车的碰撞时间 t_lag 及车辆周围交通状态变量进行车辆换道行为的建模分析，在NGSIM数据集上对建立的融合换道决策模型进行参数标定和模型测试. 实验结果表明：融合换道决策模型以95.45%的预测准确率超越支持向量机、随机森林和GBDT等单一的换道决策模型，获得了最突出的表现. 变量分析结果表明：新引入的换道决策变量 t_lag 对车辆换道行为具有重要影响. 提出的融合换道决策模型能够进一步减少因换道决策误判而导致的交通事故.

设计一种主要针对智能手机双焦镜头的连续数字变焦方案. 该方案基于卷积神经网络特征层提取和特征块匹配，充分利用2个不同焦距镜头的拍摄信息，将长焦镜头图像的高分辨信息迁移到短焦图像的可修复区域，并以修复后的短焦图像为基础进行数字变焦. 仿真和实验结果表明，相比基于传统插值放大的变焦方案和基于单图像超分辨的变焦方案，所提方案的处理结果拥有更高的主观分辨率和视觉清晰度；当用户给定的变焦倍数在长、短焦镜头倍数之间时，所提方案可以显著提升变焦图像的质量；对于处于长焦相机视场外、短焦相机视场内的纹理，修复效果比现有方法更好；该方法的处理结果对长焦、短焦图像的双目视差大小有着很好的鲁棒性.

通过分析电流流向的有向矩阵变化和平均误差值，诊断恒流远供系统短路故障状态；计算故障前、后干线电流在拉普拉斯变换域内变化的平均误差值，判定短路故障区间；隔离短路故障段以维护恒流远供系统其余部分正常运作，提高缆系水下信息网络的可靠性. 根据所建立的经典环形拓扑结构恒流模型设计故障定位方案，仿真恒流远供系统中主节点和干线海缆段的短路故障，分析故障前、后各节点处电流在拉普拉斯变换域内的变化. 结果显示，当系统出现短路故障时，各节点电流在拉普拉斯变换域内发生变换，通过对比故障前、后电流变化差值可以分析出故障区间。所设计的恒流远供系统短路故障诊断及区间定位方案具有较高的可行性和实用性，适用于未来水下信息网络的短路故障监测判定.

提出一种两级参考点（RPs）匹配方法来减少位置指纹声源定位（SSL）过程中临近参考点搜索的计算量. 离线采样阶段：通过K均值聚类算法将数据库划分为一定数目的子库，并采用一种距离检测方法对离群点进行剔除. 在线定位阶段：通过第一级临近子库匹配完成对参考点搜索范围的缩减；在临近子库内进行第二级参考点匹配得到临近参考点；完成声源目标（TP）定位. 实验结果表明，采用两级参考点匹配算法可以在保证定位精度的前提下有效提高位置指纹声源定位方法的定位效率.

为了解决同一场景城市绿地遥感图像因视角变化等原因不在同一坐标系，以致于不能对其进行变化检测的问题，提出一种基于图像混合特征的遥感图像配准方法. 1）提取SIFT特征点:从待配准图像和参考图像提取足够的SIFT特征点；2）基于混合特征的SIFT特征点配准：首先在特征点集Y和X之间进行对应关系评估，然后利用对应关系建立空间映射函数不断更新形变后源点集的位置；3）图像配准：基于源点集和形变后的源点集来构造一个映射函数，从而对图像进行配准. 在与当前流行的4种算法（SIFT、CPD、RSOC、GLMDTPS）的对比实验中，提出的算法均给出了精确的配准结果，在大部分实验中其性能超过了其他算法.

针对使用人工设计特征训练的行人检测算法准确率和效率较低的问题，提出一种采用卷积神经网络特征图聚集多尺度行人检测高效算法. 设计一种特征图聚集网络，将高层次特征图与低层次特征图进行聚集，构造出有较好空间分辨和语义能力的特征图；构造特征延伸网络，提供用于多尺度行人检测的特征图；重新设计目标候选区域，构造多尺度行人检测网络，提升定位准确性，并将特征图聚集网络、特征延伸网络和多尺度行人检测网络组合进行端到端训练. 实验测试结果表明，该算法可以有效提高行人检测与定位准确性，并可在普通硬件设备条件下提供实时检测.